固体氧化物燃料电池传感器检测变压器油中溶解气体定量特性

在线油色谱法是目前公认的发现变压器潜伏性故障的重要检测方法,对变压器运行状态的评估具有重要意义。气体传感器是在线色谱的关键技术。目前,国内外研制了许多油色谱在线监测传感器,但都存在灵敏度不高、线性范围难以满足要求等缺点,上述缺陷限制了在线色谱技术取代传统的离线检测技术。针对上述问题,提出一种固体氧化物燃料电池传感器检测变压器油中溶解气体的方法,介绍了传感器的制备方法、实验方法及步骤,并对油中气体的气敏响应机制进行探讨。在此基础上,基于Nernst方程构建传感器的定量数学模型。实验结果表明,固体氧化物燃料电池(SOFC)检测器技术及该文构建的模型能实现H_2、CH_4、C_2H_4、C_2H_6和C_2H_2的准确定量及高精度测量,对C_2H_2的灵敏度达到1×10~(-7),能较好地解决常规传感器及其定量方法稳定性差、准确性和灵敏度低等问题,具有重要的推广及应用价值。     

“神舟”三大难题探秘

俗话说,上山容易下山难,可是对于登天来说,是上天不容易,落地更难。当年加加林首次上天返回时,飞船总设计师科罗廖夫打电话向苏共中央主席赫鲁晓夫汇报:“降落伞已经打开,正在着陆,飞船正常。”而赫鲁晓夫却大声问道:“人还活着吗?在发信号吗?”足见载人飞船的返回难度揪人心弦。     

努力开发高可靠性的系列按钮产品：兼谈LAY8（F080）按钮开关

在电器元件家族中，按钮开关是使用范围最广泛，使用量最大而且对工业产品的整体造型效果最具有“画龙点睛”之装饰作用的产品。我国的按钮开关产品从建国后一直是数十年一贯制的局面，仿苏式的LA比、LA19等产品垄断机电市场达三十年．直到一九八○年后，我厂研制开发的LAY3系列按钮开关面世，这种状态才有了改变，LAY3系列按钮开关经过推广使用，直到今天，全国已有数十家企业生产，成干上万家用户采用。由于该系列按钮采用了国际标准及其比较先进的技术指标，而得到国外用户的赞扬，为我国机电产品进入国际市场起到一定的作用。目前，…     

居民住宅火灾原因和预防措施

在居民住宅火灾中，人为引起的占绝大部分，人的不安全行为是导致火灾发生的最主要的因素。随着我国经济和电力事业迅猛发展，电气引起的火灾也呈逐年上升趋势，另外一些意外因素如自然现象等引起的居民住宅火灾也占一定的比例。对此，笔者就居民住宅火灾原因和预防措施，作一初步探讨。一、居民住宅火灾产生的原因（一）由于我国消防宣传教育起步晚、底子薄、投入少，加之教育宣传对象面广难度大等客观条件限制，使得全民消防意识相对淡薄，缺乏对灾害的自防自救能力，直接导致了人为因素造成的火灾事故常年居高不下，其大致可分为以下几种…     

变色基酒的脱色实验研究

本实验对变色基酒进行除铁离子和吸附脱色，处理后的酒液无色透明，香味纯正。     

用横波波速测定岩石的各向异性

测量了横波在各向异性岩石样品中以不同偏振角度传播时的波速。研究了井下岩石样品在干燥、含水饱和与煤油饱和状态下的各向异性情况。计算出这3种情况下岩石样品的时差各向异性常数和横波平均速率。在干燥、含水饱和与含油饱和条件下，含水饱和的各向异性系数有最大值；干燥的各向异性系数有最小值。在含油饱和情况下的横波平均声速要大于含水饱和条件下的横波平均声速。含油饱和与含水饱和条件下的横波速度有明显差别，但各向异性的趋势却比较一致。     

美国水文测报技术新进展

为考察和交流水文测报新技术，促进我国水文事业发展，2000年10月29日至11月11日，水利部水文局组织的水文测报技术交流团一行11人访问美国，先后对美国地质调查局、垦务局、天气局、苏创(Sutron)水文仪器公司等单位进行了考察，与有关技术专家进行座谈讨论，实地查勘和考察美国水文测报新技术。全面介绍了美国水文信息的采集、水文数据的传输、水文信息服务以及测报技术的现状和新进展。     

食品级丙酸钙生产新工艺

利用甲壳类水产的废弃物为钙源，与丙酸合成丙酸钙。采用物理吸附纯化，喷雾干燥技术，生产成本低，产品品质好，得率高。     

基于双注意力卷积神经网络模型的情感分析研究

卷积神经网络（Convolutional Neural Networks,CNN）无法判别输入文本中特征词与情感的相关性.因此提出一种双注意力机制的卷积神经网络模型（Double Attention Convolutional Neural Networks,DACNN）,将词特征与词性特征有效融合后得到本文的特征表示,确定情感倾向.本文提出局部注意力的卷积神经网络模型,改进卷积神经网络的特征提取能力,采用双通道的局部注意力卷积神经网络提取文本的词特征和词性特征.然后使用全局注意力为特征分配不同的权重,有选择地进行特征融合,最后得到文本的特征表示.将该模型在MR和SST-1数据集上进行验证,较普通卷积神经网络和传统机器学习方法,在准确率上分别取得0.7%和1%的提升.